对于一个列表，a = [1, 2, 3, 4]，我们最常见的遍历方式就是：
a = [1, 2, 3, 4]for item in a: print item
这里我们研究一种新的方式，就是迭代器。
在C++的STL中大量使用了迭代器，迭代器的作用当然就是遍历容器中的元素，而且他的好处就在于分离了容器的实现和遍历操作，不管我们使用什么类型的容器，使用迭代器的操作几乎是如出一辙。
看下面的代码：
>>> a = [2, 3, 4]>>> it = iter(a)>>> print it.next()2>>> print it.next()3>>> print it.next()4>>> print it.next()Traceback (most recent call last): File "", line 1, in StopIteration>>>
在上面的代码中，iter函数创建了一个可以迭代的对象，然后每次调用next方法，都能从其中取出元素。当没有元素可以迭代时，便抛出一个异常StopIteration。
所以我们上面的for循环可以这样改写：
a = [1, 2, 3, 4]it = iter(a)item = Nonewhile True: try: item = it.next() except StopIteration: break print item #do_something
如何创建迭代器
现在我们想对我们自定义的class进行迭代操作，应该怎么办？
这里的关键是实现__iter__和next两个函数。
#!/usr/bin/env python#coding: utf-8class IterList: def __init__(self, elem): self.iter = iter(elem) def __iter__(self): return self def next(self): return self.iter.next()if __name__ == '__main__': a = [1, 2, 3, 4] test = IterList(a) for item in test: print item
这里我们仅仅是对class内部持有的元素做了一个包装，我们的__iter__返回的是自身，next则是调用的存储的iter的next方法。
现在我们提供一个稍微复杂的版本，这个版本可以允许向next函数传递参数，指定取出几个值。
#!/usr/bin/env python#coding: utf-8class IterList: def __init__(self, elem): self.iter = iter(elem) def __iter__(self): return self def next(self, howmany=1): result = [] for i in range(howmany): try: result.append(self.iter.next()) except StopIteration: raise return resultif __name__ == '__main__': s = range(20) test = IterList(s) print test.next() print test.next() print test.next(3)
用迭代器实现斐波那契数列
我们再给出最后一个关于斐波那契数列的例子：
对于斐波那契数列，我们可以这样实现：
def fab(max): n, a, b = 0, 0, 1 L = [] while n < max: L.append(b) a, b = b, a + b n = n + 1 return Lif __name__ == '__main__': for i in fab(5): print i
上面的fab函数返回一个列表，记录斐波那契数列的值。
但是，当max过大的时候，fab就必须生成一个巨大的列表，这不仅占用大量内存，也会消耗过多的时间。
下面我们使用迭代器，给出一个更加高效的实现：
class Fab(object): def __init__(self, max): self.max = max self.n, self.a, self.b = 0, 0, 1 def __iter__(self): return self def next(self): if self.n < self.max: r = self.b self.a, self.b = self.b, self.a + self.b self.n = self.n + 1 return r raise StopIteration()if __name__ == '__main__': for i in Fab(5): print i
这个版本高效在何处？
之前的版本是预先把一个巨大的结果生成，然后逐个去遍历，而这里调用Fab时，仅仅做了一个简单的初始化工作，真正的计算则是发生在每次迭代调用next的时候。所以这里不会占用过大的内存，而且不需要预先计算，也节约了时间。
本文最后部分参考了：